| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-19页 |
| 1.1 人脸识别研究背景及历史 | 第8-12页 |
| 1.1.1 人脸识别研究的背景 | 第8-9页 |
| 1.1.2 人脸识别研究的历史 | 第9-12页 |
| 1.2 人脸识别国内外研究现状 | 第12-13页 |
| 1.3 人脸识别研究的内容及应用 | 第13-15页 |
| 1.3.1 人脸识别研究的内容 | 第14页 |
| 1.3.2 人脸识别技术的应用 | 第14-15页 |
| 1.4 人脸识别技术存在的问题 | 第15-16页 |
| 1.5 常用人脸库 | 第16-18页 |
| 1.6 论文剩余章节内容与结构安排 | 第18-19页 |
| 第2章 人脸识别典型算法研究 | 第19-25页 |
| 2.1 主成分分析（PCA） | 第19-22页 |
| 2.1.1 人脸的表示 | 第19-20页 |
| 2.1.2 人脸图像的规范化 | 第20页 |
| 2.1.3 特征提取 | 第20-21页 |
| 2.1.4 识别 | 第21页 |
| 2.1.5 主成分分析优缺点分析 | 第21-22页 |
| 2.2 线性鉴别分析 (LDA) | 第22-23页 |
| 2.3 常用的分类器 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 分块最大间距准则人脸识别算法研究 | 第25-35页 |
| 3.1 引言 | 第25页 |
| 3.2 最大间距准则(MMC) | 第25-27页 |
| 3.2.1 最大间距准则算法的基本思想 | 第26-27页 |
| 3.2.2 最大间距准则方法的优缺点 | 第27页 |
| 3.3 分块最大间距准则算法（Modular MMC） | 第27-31页 |
| 3.3.1 算法模型 | 第27-28页 |
| 3.3.2 图像分块 | 第28页 |
| 3.3.3 特征提取 | 第28-30页 |
| 3.3.4 分类 | 第30-31页 |
| 3.4 实验 | 第31-34页 |
| 3.4.1 ORL人脸库上的实验 | 第31-32页 |
| 3.4.2 Yale人脸库上的实验 | 第32-34页 |
| 3.4.3 实验结果分析 | 第34页 |
| 3.5 本章小结 | 第34-35页 |
| 第4章 分块二维最大间距准则算法研究 | 第35-44页 |
| 4.1 引言 | 第35-36页 |
| 4.2 二维最大间距准则算法（2DMMC） | 第36-37页 |
| 4.2.1 算法描述 | 第36-37页 |
| 4.2.2 二维最大间距准则算法的优缺点 | 第37页 |
| 4.3 分块二维最大间距准则算法研究 | 第37-40页 |
| 4.3.1 基本思想 | 第37-38页 |
| 4.3.2 特征提取 | 第38-39页 |
| 4.3.3 分类 | 第39-40页 |
| 4.4 实验 | 第40-43页 |
| 4.4.1 ORL人脸库上的实验 | 第40-41页 |
| 4.4.2 Yale人脸库上的实验 | 第41-42页 |
| 4.4.3 实验结果分析 | 第42-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第5章 基于MATLAB的人脸识别系统的实现 | 第44-49页 |
| 5.1 系统仿真综述 | 第44页 |
| 5.2 系统功能模块 | 第44-48页 |
| 5.3 本章小结 | 第48-49页 |
| 第6章 总结与展望 | 第49-52页 |
| 6.1 本文研究总结 | 第49-50页 |
| 6.2 展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士期间发表论文及参与科研项目情况 | 第56-57页 |
| 致谢 | 第57页 |